Análise de dados e modelagem em Python com Statsmodels e SciPy
O curso Análise de Dados e Modelagem em Python com Statsmodels e SciPy da FM2S prepara você para explorar dados, aplicar testes estatísticos, construir e validar modelos de regressão e séries temporais, além de identificar outliers e comunicar resultados com clareza.
Curso exclusivo FM2S Prime
De R$ 599,99
por R$ 199,99
Ou 12x R$ 16,67
Por que fazer o curso Análise de dados e modelagem em Python com Statsmodels e SciPy ?
Se você quer transformar dados em decisões inteligentes, este curso é para você. Aqui, você aprende na prática a analisar informações, aplicar testes estatísticos, construir e validar modelos de regressão e séries temporais, além de detectar anomalias que fazem diferença nos resultados. Tudo isso usando Python com Statsmodels e SciPy, ferramentas que são referência no mercado.
Na FM2S, você não só aprende a usar bibliotecas de ponta, mas desenvolve autonomia analítica para atuar em diferentes áreas. Ao final, você estará preparado para comunicar resultados com clareza, gerar insights estratégicos e se destacar em ciência de dados, negócios, saúde, pesquisa e gestão.
Carolina Souza
Bacharel em Matemática Aplicada e Computacional pela Universidade Estadual de Campinas
Instrutora
Carolina Souza
Mestranda em Física Computacional e Astrofísica. Atua com análise estatística e modelagem de dados em projetos de pesquisa em cosmologia e possui experiência profissional no setor financeiro, onde trabalhou em uma startup fintech. Sua trajetória combina formação acadêmica sólida e aplicação prática de ciência de dados, com foco em Python para análise e modelagem.
Carolina Souza
Bacharel em Matemática Aplicada e Computacional pela Universidade Estadual de Campinas
Instrutora
Carolina Souza
Mestranda em Física Computacional e Astrofísica. Atua com análise estatística e modelagem de dados em projetos de pesquisa em cosmologia e possui experiência profissional no setor financeiro, onde trabalhou em uma startup fintech. Sua trajetória combina formação acadêmica sólida e aplicação prática de ciência de dados, com foco em Python para análise e modelagem.
Informações do curso
O que será abordado?
- Análise de dados e modelagem em Python usando Statsmodels e SciPy: definição, contexto histórico, vantagens e desafios
- Conceitos
- Estatística Descritiva
- Diferentes Distribuições Estatísticas
- Kernel Density Estimation (KDE)]
- Modelagem Estatística com Statsmodels
- Modelos Avançados com Statsmodels e SciPy
- Análise de Variância e Teste AB
- Regressão Logística
- Passos para a construção e interpretação de Modelos de Regressão Logística
- Cases práticos: modelo de detecção de anomalia baseado na curva normal e modelo de detecção de outliers financeiros (Lei de Benford)
- Avaliação de colinearidade (repetição de informação)
- Passo a Passo
O que está incluso no treinamento?
- Apostila digital para acompanhamento das aulas;
- Acesso a instrutor com experiência de mercado;
- Suporte às dúvidas dentro da plataforma EaD;
- Certificado de conclusão em Análise de dados e modelagem em Python com Statsmodels e SciPy.
Ao final do curso, o que isso impactará na sua carreira?
- Base em modelagem de dados: ao fazer o curso, você será capaz de realizar análises complexas e aplicar técnicas de modelagem avançada, obtendo competências altamente valorizadas pelo mercado.
- Manipulação de dados: ao dominar Statsmodels e SciPy, você estará melhor equipado para manipular dados estratégicos em sua organização, tornando-se um ativo valioso para qualquer empresa.
Público-alvo
- Profissionais e estudantes das áreas de ciência de dados, análise de dados, economia, engenharia e áreas afins que possuam conhecimento básico em Python.
- Cientistas de dados que desejam aprofundar seus conhecimentos em Statsmodels e SciPy.
- Profissionais que desejam adquirir conhecimento em mais bibliotecas para aplicar no seu dia a dia.
- Qualquer pessoa que deseja aprender sobre modelagem em Python com Statsmodels e SciPy.
Carga horária e período de acesso
- 16 horas de duração.
- 1 ano de acesso ao conteúdo.